SDOF：用状态约束调度驯服多智能体编排中的对齐税

LangChain、LangGraph与CrewAI等多智能体编排框架通过基于图的流水线路由任务，但并不强制执行治理真实业务流程的阶段约束。我们提出SDOF，一个将多智能体执行视为受约束状态机的框架。SDOF通过两个主要防御层运作，由三个组件实现：(1) 经生成式奖励建模（GRPO）训练的Online-RLHF专用意图路由器，以及 (2) 带有GoalStage有限自动机检查与前置/后置条件SkillRegistry验证的StateAwareDispatcher，用于可审计的执行控制。在由北森Beisen iTalent平台（6000+企业）支撑的招聘系统上，185个由专家策划的场景触发了1671次真实API调用。我们经GSPO对齐的7B意图路由器在这一FSM约束的对抗性路由基准上取得高于零样本GPT-4o的联合准确率（80.9%对48.9%）。在端到端执行中，SDOF达到86.5%的任务完成率（95%置信区间80.8至90.7），并阻断了注入与违规HR子集中的全部22项操作。在更广泛的消息级阻断审计下，SDOF达到精确率100%、召回率88%，专家一致性kappa=0.94。在涵盖8个服务域的960个SGD衍生对话上的另一项评估中，在我们的FSM映射下暴露出201处阶段顺序冲突，其中41处出现在normal划分中。本arXiv版本报告的是当前已验证的范围；扩展的多种子训练比较与更深入的工作流评估将在后续更新中发布。